上海交通大学学报

上海交通大学学报, 2026, 60(1): 1-18 doi: 10.16183/j.cnki.jsjtu.2024.128

新型电力系统与综合能源

满足新型电力系统调峰调频需求的储能优化配置及运行研究综述

冯梦圆1, 文书礼,2, 时珊珊3, 王皓靖3, 朱淼2, 杨雯4

1 上海电力大学 电气工程学院, 上海 200090

2 上海交通大学 电力传输与功率变换控制教育部重点实验室, 上海 200240

3 国网上海市电力公司电力科学研究院, 上海 200437

4 国网上海市电力公司长兴供电公司, 上海 202150

A Review of Optimal Allocation and Operation of Energy Storage System for Peak Shaving and Frequency Regulation in New Type Power Systems

FENG Mengyuan1, WEN Shuli,2, SHI Shanshan3, WANG Haojing3, ZHU Miao2, YANG Wen4

1 School of Electrical Engineering, Shanghai University of Electric Power, Shanghai 200090, China

2 Key Laboratory of Control of Power Transmission and Conversion of the Ministry of Education, Shanghai Jiao Tong University, Shanghai 200240, China

3 State Grid Shanghai Electric Power Research Institute, Shanghai 200437, China

4 State Grid Shanghai Changxing Electric Power Supply Company, Shanghai 202150, China

通讯作者: 文书礼,副教授,博士生导师;E-mail:wenshuli@sjtu.edu.cn.

编委: 王历历

收稿日期: 2024-04-15   修回日期: 2024-06-25   接受日期: 2024-07-15  

基金资助: 国网上海市电力公司科技项目(52094023000Q)

Received: 2024-04-15   Revised: 2024-06-25   Accepted: 2024-07-15  

作者简介 About authors

冯梦圆(2001—),硕士生,从事储能优化配置及运行研究.

摘要

为达成我国“双碳”目标,电网中接入大规模可再生能源已成为不可逆转的趋势.在新能源比例持续增大的背景下,风电、光伏并网给电网稳定运行带来诸多挑战.储能系统具备良好的有功和无功动态响应特性,可平抑新能源固有的随机性、间歇性对电网造成的波动,有利于促进大规模新能源接入,实现负荷平稳调节,提升电网互动友好性.首先,从储能发展出发,介绍国内外储能参与电力调峰调频辅助服务市场研究现状;其次,综合考察计及调峰调频需求的储能系统优化配置问题,从单一式储能到混合式储能两个视角进行分析,并总结包含储能系统优化配置的求解算法;再次,从协同运行角度研究基于电网友好型储能参与的新型电力系统,阐述了多时间尺度和多区域两方面的协同调度方法和控制策略;最后,对储能未来研究方向围绕共享云储能、数智化聚合建模、智能化和自适应控制技术、完善多区域合作与标准化政策机制4个方面进行展望.

关键词： 储能系统; 调峰调频; 优化配置; 协同运行; 控制策略; 新型电力系统

Abstract

To achieve China’s “dual carbon” goal, integrating large-scale renewable energy into power grids has become an irreversible trend. With the continuous increase in the use of renewable energy, the wind and solar power integration poses critical challenges to the stable operation of the power system. With the perfect dynamic response of active and reactive power, energy storage system can smooth power fluctuations caused by intermittent and uncertain renewable energy, which is conducive to promoting the access of large-scale new energy, realizing the smooth load regulation, and improving the interactive friendliness of the power grid. First, starting from the development of energy storage technology, this paper introduces the domestic and foreign research status of energy storage participating in the auxiliary service market of power peak regulation and frequency modulation. Then, it conducts a comprehensive review on the optimization configuration of energy storage systems taking into account peak shaving and frequency regulation requirements, analyzing from two perspectives: single-type setup and hybrid energy storage. Additionally, it summarizes the solving algorithms for the optimal configuration of energy storage systems. Afterwards, it proposes a grid-friendly new power system based on energy storage participation, and elaborates on collaborative scheduling methods and control strategies in multiple time scales and multiple regions from the perspective of collaborative operation. Finally, it provides an outlook on the future research direction of energy storage from four aspects, which are shared cloud energy storage, numerical intelligent aggregation modeling,intelligent and adaptive control technology, and improving multi-regional cooperation and standardization policy mechanism.

Keywords： energy storage system; peak shaving and frequency regulation; optimal allocation; collaborative operation; control strategy; new type power system

PDF (3194KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

冯梦圆, 文书礼, 时珊珊, 王皓靖, 朱淼, 杨雯. 满足新型电力系统调峰调频需求的储能优化配置及运行研究综述[J]. 上海交通大学学报, 2026, 60(1): 1-18 doi:10.16183/j.cnki.jsjtu.2024.128

FENG Mengyuan, WEN Shuli, SHI Shanshan, WANG Haojing, ZHU Miao, YANG Wen. A Review of Optimal Allocation and Operation of Energy Storage System for Peak Shaving and Frequency Regulation in New Type Power Systems[J]. Journal of Shanghai Jiaotong University, 2026, 60(1): 1-18 doi:10.16183/j.cnki.jsjtu.2024.128

根据国际能源署发布的可再生能源报告,各国出于能源安全和环境保护的考虑,正积极推动可再生能源快速发展;预测未来五年全球装机增量将翻倍,到2025年,可再生能源有望超过煤炭成为全球最主要的电力来源[1].近年来,我国锚定“双碳”目标,新能源装机容量也在迅速增长,以风电、光伏为主力的新能源发电的渗透率仍不断提高,为世界能源绿色低碳转型注入强劲动力.

然而,新能源发电的不规律性、波动性和间歇性等特性,特别是在电力负荷和新能源产生之间呈逆向分布的情况下,增加了电源侧调峰调频的压力,给电力系统的安全稳定运行带来挑战.强调提升电力系统的灵活性,确保高效消纳新能源并维护电力系统的安全稳定,已成为国内外广泛关注的核心议题.为保证新型电力系统的供电可靠性,研究人员提出了多种可行方法,其中配备大量灵活可靠的储能设施被认为是最有效的方式.储能具有波动平抑、负荷调节、能源平衡、削峰填谷、可再生能源整合、应急备用等方面的功能优势,有助于解决新能源带来的负面影响,提高电力系统鲁棒性.在新能源快速增长的环境中,储能的作用愈发凸显,对推动我国能源转型、助力“双碳”目标达成至关重要.

1 储能发展研究概述

1.1 储能发展的背景意义

1.1.1 新能源发展引发的调峰调频需求

由于新能源具有高度随机性和波动性,所以电力供需平衡变得更加复杂.电力系统是大型非线性时变能量平衡系统,大规模接入新能源后电网“源随荷动”的模式发生巨大转变,“源荷互动”成为新运行模式.新能源的固有特性严重降低电网平衡能力,传统的技术手段和生产组织模式已不能满足含高比例新能源电网的正常运行[2-4].特别是在负荷高峰期,新能源出力波动和反调峰特性使电力系统平衡能力下降,对电力保障供应提出更高要求.

新能源接入增加了电网运行安全风险.新能源机组通常采用电力电子变流器与电网连接的方式,可能导致振荡和频率波动等问题,造成机组跳闸甚至设备损坏,对电网的安全稳定运行构成威胁[5-6].世界各国都曾出现过各种形式的新能源机组振荡稳定性问题,典型的有:2009年,美国德州某风电场发生次同步谐振事故,造成大量风机损坏和脱网;自2011年起,我国河北风电场发生百余次次同步谐振,导致变压器异常振动和大量风机脱网[7-8];2018年,英国多个风电场短时间集体停机导致电力系统频率不稳定,引发各地对新能源并网运行监管控制的关注.以上几个典型案例都是电力系统“双高”特性引发的问题,高比例新能源和高比例电力电子装置的接入和应用使振荡稳定性问题成为潜在风险.研究系统全面的应对策略,能够减少经济损失、避免大范围稳定性事故,为电网的安全可靠运行和国家能源战略顺利实施提供保障[2,9].

1.1.2 储能系统接入电力系统的作用及优势

储能系统的存储和释放电能特性可有效应对抑制可再生能源供给侧发电的随机性引起的冲击,同时对负荷动态变化具有及时响应的能力,能够改善电力系统的整体稳定性和运行特性[10-12].例如实际储能中,飞轮储能、超级电容储能和电池储能等大容量储能技术可快速响应,为频率服务提供支持[13-15];抽水蓄能电站作为一种特殊储能装置,具备可靠、经济、寿命长、容量大、技术成熟等多重优势[16-19].

随着功能需求多样化,负荷侧灵活性资源呈现出类储能特征,储能涵盖的范畴逐渐扩大.除传统储能设备外,有学者将能够使能量时移的设备或调度措施定义为广义储能[20-22],示意图如图1所示.图中:StOE为广义储能(generalized energy storage, GES)在t时段的能量状态;XtGES为t时段储能系统的物理变量;${S}_{OE}^{max}$、${S}_{OE}^{min}$分别为能量状态的上下限.通过把各种灵活性资源整合到广义储能中,虚拟储能部分采用物理参数替换为抽象的统一特征或虚拟参数的数学模型参与系统优化调度[23],可实现系统资源的快速合理分配和互补互济,节约传统储能设备高额建设成本和全周期寿命环节的碳排放成本[24],其灵活可靠、分布广等优点弥补了传统储能分布范围小、投资成本高的缺点.参与需求响应(demand response, DR)的可转移负荷和可削减负荷等可控负荷也可以归到广义储能中虚拟储能部分.具有需求弹性或可转移特点的典型柔性用电负荷有热水器、洗衣机、空调和电动汽车,均能积极参与需求响应.在能源调度过程中通过优化可控负荷的需求量和需求时间,用电低谷期调度广义储能设备充能、用电峰期放能,可达到削峰填谷等类储能效果.例如,储热、储冷和电解制氢装置可应用于“电-热”和“电-氢”转换等方面,有助于实现季节性调峰,提供能量服务[25-28];价格型需求响应(price-based demand response, PDR)即为上述能够实现负荷能量时移的调度措施之一[29],通过改变负荷侧固定电价引导用户改变固有的用户需求状态,从而实现能量时移,以减小系统负荷峰谷差,具有非常大的调控能力.

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   广义储能示意图

Fig.1   Generalized energy storage


最后,储能在推动我国能源结构转型、电力体制改革和促进能源共享、业态发展等方面发挥关键性作用,对实现我国“双碳”目标和社会可持续发展也具有重要现实意义[30-32].

1.2 储能参与调峰调频辅助服务市场的现状

1.2.1 储能参与的国外辅助服务市场

储能凭借其灵活爬坡、快速启停及双向功率调节特性,具有缓解调峰压力、提升电能质量、充当后备电源等功能,可作为灵活性调峰调频资源有效解决高比例新能源接入系统电网造成的调峰能力不足、系统惯量下降、频率鲁棒性下降等问题[10].储能应用能否扩大关键在于市场化运行[11],其主要目标是使组合盈利最大化,在储能成本、可靠运营和储能收益之间找到一个平衡点[32].未来新型储能在电力市场方面还面临一些挑战,其交易机制和价格机制都有待商讨和确定[33],广义储能也存在成本高、商业模式不成熟等问题[34],因此有必要研究储能参与辅助服务市场的现状和政策,探索新的储能商业模式来提升储能市场的竞争力.我国与欧盟、美国辅助服务分类如表1所示.表中:“—”表示中国没有与美国补充备用对应的服务.

表1   国内外辅助服务分类对比

Tab.1  Classification and comparison of domestic and foreign auxiliary services

类别中国美国欧盟
有功辅助服务一次调频频率响应一次调频
自动发电控制调频二次调频
备用旋转备用二次调频
备用非旋转备用三次调频
—补充备用三次调频
现货市场调峰实时市场平衡机制
调峰实时市场日内市场

新窗口打开| 下载CSV


国外已制定储能公平参与电力市场的政策,提出一系列激励措施来促进储能进入辅助服务市场并从中收益,并着手储能设备研制和指南、规范建立,抢占储能技术制高点.美国2018年颁布841法令,探索储能独立参与辅助服务、能量、容量等各类细分电力市场的机制[35],要求考虑储能特殊物理特性、赋予储能与其他电源主体同等的市场地位;2020年颁布2222号法令,打开分布式能源参与市场交易的大门,为储能产品的回收提供有利的市场条件.澳大利亚可再生能源丰富,用户侧电价高、分布式光伏上网电价降低、多次大停电事故以及森林火灾等因素推动储能调峰调频辅助服务市场快速发展,该国采取申报充电和放电报价的市场化方式,依靠尖峰电价套利,增加储能参与调峰调频市场的积极性.澳大利亚为户用光储提供了更多财政补助,但大规模储能市场机制不够健全,双重收费机制也制约大规模储能在市场中的收益.英国通过容量市场和拍卖制度为储能系统调峰方面提供商业机会,为电力系统提供灵活性和备用容量并确保供电稳定.英国鼓励投资者和开发商参与并适当降低装机准入门槛,确保规模达到1 MW的储能电站可作为市场主体参与调峰辅助市场,主要有两种参与方式:① 独立储能电站在电力现货市场交易中获取发电侧峰谷差价,通过电价波动获利套利;② 参与实时平衡市场,灵活性调峰[32].

1.2.2 我国储能参与辅助服务市场的现状及建议

随着我国电力市场深化改革,储能参与调频辅助服务逐步转变为市场化运营模式.现行调频交易规则多采用边际出清、两部制电价结算方式,通常按照调频资源的实际调频效果进行付费,较少考虑系统调频需求和不同储能的差异化补偿等问题.在储能参与深度调峰辅助服务方面,我国已有十多个省市陆续出台允许储能作为独立主体参与市场运营的规则.以南方电网为例,自《南方区域电力市场实施方案》实施至今,南方区域已建成区域调频与省级调峰结合的电力辅助服务市场.现阶段我国各类储能的发展阶段和场景适应性存在一定差异,如图2所示;电储能能量密度、投资成本、使用寿命、调峰调频性能指数等关键技术特点如表2所示.在为适应新能源大规模发展而配设储能系统的前提下,设计辅助服务市场时有必要充分考虑储能系统的技术经济特性[36].结合国外经验和我国国情,要切实加强监管机制,应支持储能作为独立市场主体参与中长期电力辅助服务市场,并推动制定各类储能参与一次调频、二次调频、深度调峰等辅助服务的具体规则[33].

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   不同类型储能发展阶段和对各类应用场景适应性

Fig.2   Different types of energy storage development stages and adaptability to various application scenarios


表2   电储能类型及关键特点[37-42]

Tab.2  Types and key characteristics of electric energy storage[37-42]

电储能
类型		服役
年限/a		功率/
MW		单位容量
成本/[美元·
(kW·h)-1]		单位功率
成本/(美元·
kW-1)		响应
时间		转换
效率/%		全容量放电
持续时间		受
环境
影响		调峰
指数		调频
指数
机械储能抽水蓄能30~8010~50001~291.260~2000min级70~851~24 h大**********
飞轮储能15~200.001~51000~14000250~3504 ms~s级90~951 ms~15 min无**********
压缩空气储能20~6010~10002~200400~10005 ms~10 min50~891~24 h大******
电化学储能锂电池5~200.001~100600~3800900~4000ms级~s级85~971 min~1 h中****
铅酸电池3~150.001~100200~400300~600ms级80~90s级~5 h中****
钒液流电池5~150.01~10150~1000600~1500ms级~s级75~90s级~10 h中*******
钠硫电池10~150.05~34300~5001000~3000ms级~s级85~901~8 h中********
电磁储能超导储能15~200.01~101000~72000200~4891~5 ms95~98ms级~s级中**********
超级电容15~200.01~1300~2000100~4501~20 ms95~981 ms~1 min无********

新窗口打开| 下载CSV


2 计及调峰调频的储能系统优化配置

储能系统有助于缓解新能源并入电网所带来的负面影响,而储能系统的合理配置是确保其有效运行的先决条件.储能系统的最佳配置涉及技术和经济的双重优化,需考虑不同的控制策略以及在多个时间尺度下的功率和能量需求.图3为新能源并网中储能系统的优化配置框图,涵盖系统选型、数据输入、优化模型和求解算法4个方面.国内外学者立足于调峰调频等应用场景,开展了诸多储能系统优化配置的研究.图中:DC、AC分别表示直流、交流.本章从单一储能和混合储能角度阐述储能系统调峰和调频优化配置,然后总结比较各类求解算法的特性和适用性.

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   新型电力系统储能优化配置框图

Fig.3   Energy storage optimization configuration of new type power systems


2.1 计及调峰调频的单一储能优化配置

在单一储能调峰方面,文献[43]中考虑风电预测误差的不确定性场景,将能量型储能应用到削峰填谷和计划跟踪两种模式.文献[44]中考虑风电出力不确定性和电网调峰能力的限制,对风储联合系统提出一种概率化评价方法,该方法为系统概率综合效益与储能系统最佳配置方案提供了参考值,有效缓解“弃风限电”现象.文献[45]中以配电网为主体构建一主多从博弈优化模型,主体通过分时电价实施调峰调度,从体响应分时电价,实施两阶段优化;通过多微网并网系统的租赁共享储能,参与配电网调峰调度,促进储能高效应用和新能源就地消纳.文献[46]中提出一种双边交易联合运营模式和交易模型,重点考虑储能用户满意度和新能源调峰需求,以各方综合效益最大为目标,通过储能用户与新能源的双边交易直接减小电网调峰服务压力,剩余新能源也能够在电网侧被储能消纳.文献[47]中为解决高比例分布式光储系统参与电力系统调峰优化过程中变量维数高、求解困难的问题,构建聚合-调峰-分解模型,提高了光储系统参与调峰优化的可行性.

在单一储能调频方面,文献[48]中将储能电站作为独立运营主体,提出电能-调频-备用市场日前联合交易决策模型,不仅突破新型电力系统电力市场灵活性较差的局限性,还解决了储能投资回收周期长、利用率不高的发展瓶颈.文献[49]中对储能系统进行分组调频,提出一种考虑储能均衡度的风储联合一次调频控制策略,以频率偏移量等作为评价指标进行仿真分析,结果表明该策略提升了调频效果,并延长了储能使用寿命.文献[50]中针对风电参与频率响应受时空限制因素影响存在响应不足或响应频率二次跌落现象,引入储能出力提出在线响应-离线决策的风储联合调频控制策略,通过系统实时监测频率变化,整定不同风速下风机频率响应控制参数,并定量计算储能最小出力,避免了风电高渗透电力系统产生频率二次跌落现象.文献[13]中针对火电机组动态特性复杂,各动态工况下调频能力差别较大等问题,提出一种机组实时出力增量的量化预测模型,设计火电-飞轮储能协同调频控制策略,使系统频率偏差的最大值降低32%,稳态偏差减少30%,但未考虑储能配置成本.文献[51]中将储能配合风电机组参与微电网一次调频,建立以一次调频备用成本最小为优化目标的机会约束规划模型,利用神经网络算法和粒子群算法求解,得到满足不同置信区间的风电减载比例和储能装置最优配置方案.

以上文献均研究单一储能参与电力系统调峰调频的方法和策略的有效性,但单一储能参与电力系统调峰调频仍存在一些不足之处:容量密度和功率密度两者难以兼顾,且受限于响应速度、寿命和成本等因素.同时,单纯针对调峰调频的场景进行储能配置低估了储能带来的效益.单一储能难以全面考虑到电网侧储能电站消纳新能源、平抑波动、提高供电可靠性等其他辅助服务价值,储能调峰-调频、调峰-消纳新能源、调频-提高供电可靠性等多重应用场景组合优化的潜力得不到充分挖掘[51-53].因此,提升储能的综合利用率就需要结合多种储能.

2.2 计及调峰调频的混合储能优化配置

混合储能系统由两种及以上的储能类型组成,通常具有互补特性,能够在不同工况下表现出优越性能.由于单一储能技术不能同时满足功率型和能量型调节需求,也不具备响应全时间尺度的调节能力,所以混合储能与可再生能源的联合优化配置实现灵活性调节的优势互补已被广泛接受[54-55].

例如,文献[56]中提出一种自适应混合储能功率优化分配策略,新能源发电系统和能量型锂电池储能系统、功率型超级电容系统共同构成风光混储电力系统,利用变分模态分解、希尔伯特-黄变换和滤波算法在频域进行混合储能功率分配,该系统既能并入大电网运行,又能降低可再生能源对电网的影响,有效提高了高比例新能源配电网中储能系统的可靠性和经济性.文献[57]中详细介绍了中国陕西省应用飞轮与电池混合储能装置到风电场的项目:在风电场输出频率频繁扰动的地区,采用1 MW飞轮储能和4 MW锂电池组成的混合储能系统平滑波动,飞轮储能装置频繁运行优先响应;当不能满足要求时,电池储能再对电力和容量进行补充;结果证明,该方法有效提高电池储能系统寿命,保证混合储能系统的安全运行.文献[58]中提出通过结合飞轮和锂电池的混合储能系统(hybrid energy storage system,HESS)与风力涡轮机的耦合,解决了风能间歇性的问题;飞轮储能系统的峰值削减功能延长了电化学电池的使用寿命,降低了更换成本;此外,HESS提供的额外电力储备能够在电网稳定中提供即时功率峰值,有效减少电网响应不平衡的惯性,在提升电网安全和稳定性方面也体现了安装储能系统的技术可行性.文献[59]中对含短期和长期的电池和抽水蓄能混合储能系统多目标优化规模进行比较评估,改进了电网交互HESS的设计和规划过程.文献[60]中选择相对低成本和响应灵活的压缩空气储能和超级电容储能组成HESS,在基于提出的源、荷动态平衡约束的优化控制策略下,HESS循环效率提升至59.55%.文献[61]中对超导磁和电池混合构成储能系统进行系统性综述,指出其主要优点在于功率密度大,响应速度快,在频繁循环运行和功率突变的情况下储能寿命不会缩短,维护少,且超导磁材料成本也在稳步下降.文献[52]中以新能源电网典型日运行模拟模型为基础,建立储能双层优化配置模型,上层调峰以发电成本最小为目标,下层调频以火电机组容量费用和电量费用最小为目标,通过算例分析验证了储能参与调峰-调频双重应用场景更具经济性,在调峰效果、碳排放量以及新能源消纳程度上更优.文献[62]中结合热能储存和抽水蓄能双储能技术建立风光水混合电力系统,将平准化能源成本降至118.6美元/(MW·h),并控制电力供应失效概率低于9.89%,表明提出的双储能系统在经济性和可靠性方面优于单一储能系统.

从上述研究分析可知,混合储能可实现不同能源类型之间的耦合协同,通过合理安排各类能源的充放功率,实现多种能源之间的高效转化.其功能不仅包括削峰填谷、保障能源的稳定供应,还充分发挥多种储能系统在能量密度、功率密度、响应时间和运行寿命等方面的互补特性.混合储能系统可满足多时间尺度、各种响应速度下的调度需求,从而提高系统运行的灵活性、经济性.然而需要指出的是,上述研究主要集中在源侧,很少聚焦需求侧资源.储能引入共享经济的运营模式,共享储能应运而生,为灵活且庞大的需求侧广义储能资源创造了巨大机遇和广阔前景.例如,文献[34]中针对需求侧资源电动汽车和温控负荷参与共享储能运行模式的经济性进行研究,结合实际储能建立广义共享储能容量优化配置模型,运用分布式鲁棒凸控制(DRCC)算法求解,最终实现实体储能最优配置和广义共享储能的优化调度,但该模型没有考虑虚拟储能聚合成本.文献[63]中考虑到电动汽车和需求侧响应参与电力系统调节等因素,综合利用电动汽车、可控负荷等虚拟储能,建立广义储能配置的双层优化模型,该优化方法降低了固定储能系统配置容量需求和投资成本,但对于广义储能的聚合建模精度不足.聚合量大、分散的虚拟储能系统可调度容量模型是未来的研究重点.

2.3 求解算法

储能系统优化配置常常涉及复杂数学模型和算法.储能系统的数学模型已经相当成熟,但其复杂性取决于系统的类型和应用,在此不做赘述.电力系统优化调度是一个复杂优化问题,其核心目标是调整电力系统中各种参数和决策变量,使得一个或多个特定目标函数达到最优值.求解算法可分为3种类型,即传统优化算法、智能优化算法以及混合智能算法,一些典型算法的分类情况如图4所示.

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   电力系统优化算法分类

Fig.4   Classification of power system optimization algorithms


传统数学规划方法中,线性规划用于电力市场出清、潮流分析等优化线性目标函数的电力系统问题;整数规划在线性规划的基础上,考虑变量为整数的情况,用于设备配置等离散问题;非线性规划处理包含非线性目标函数或约束的电力系统问题,比如最优潮流问题;混合整数规划结合整数规划和线性规划,用于解决单位置备用问题等复杂的离散和连续决策问题.基于数学规划方法,可利用CPLEX、Gurobi、SCIP等商业优化求解器求解,处理结构化的数学规划问题更为高效.

智能算法适用于更复杂、模糊或高纬度问题,多依赖于机器学习和仿生学习等技术.启发式和元启发式算法中,遗传算法基于生物学理论,用于解决电力系统配置、调度和计划等问题;粒子群优化算法模拟鸟群或鱼群觅食行为,用于解决电力系统经济调度等问题;蚁群算法模拟蚂蚁寻找最短路径的过程,用于解决电力系统网络优化问题;模拟退火算法是基于物理退火过程的优化算法,用于解决网络重新配置、电力市场竞标等问题.模拟和仿真方法中,蒙特卡罗方法用于电力系统的不确定性建模和风险分析;仿真优化方法基于仿真模型,用于解决电力系统中可靠性评估和市场运营等问题.

以上电力系统的求解方法并不互斥,在电力系统优化问题中,研究人员和工程师通常会根据问题性质、复杂度、可用数据和要求选择合适的一种或多种算法来攻克各种挑战.两种及以上算法相结合称为混合优化算法,可克服各自算法的局限性.遗传算法和粒子群算法结合可以提高搜索和收敛性能[64-65];在遗传算法中引入局部搜索策略可以增加算法在解空间中的搜索精度[66].文献[67]中针对电-热混合式储能双层规划与运行问题,采用网格自适应直接搜索和自适应混沌粒子群相结合的方法,在确定电-热混合储能最优配置容量的同时,减少系统成本,降低碳排放.文献[68]中针对配电网中分布式电源渗透率不断增加而导致的电压越限等问题,在构建配电网规划和运行的双层优化模型的基础上还考虑储能设备充放电功率约束和需求侧响应,使大规模优化问题更加复杂,因此对上下两层分别采用启发式改进麻雀算法和传统数学混合整数二阶锥规划方法相结合的混合优化算法求解,两种算法优势互补,求解精度和求解速度达到有效平衡.类似地,文献[69]中利用沙地猫优化算法与混合整数线性规划方法求解文中构建的双层优化配置模型,两种方法相互迭代有效提高了求解精度和稳定性.综上所述,对于复杂优化问题的求解,将多个智能算法组合在一起,形成一个多层次或多阶段的混合算法,可普遍提高求解性能和效率.

3 电网友好型储能协同运行策略

新型电力系统作为“双碳”目标的重要载体之一,在电力行业乃至全社会引起广泛关注,并在“十四五”期间作为能源转型的重要发力点.跨省区资源优化配置困难和分布式能源利用率低等能源协同体系的不足成为制约新型电力系统建设的瓶颈[70].主动电源、常规负荷、不确定性被动电源、电动汽车、储能、可切断负荷等主动负荷共存,以计划性调度为主的传统调控方式运行逻辑难以为继;既无法满足人们用电需求,也难以做到最大化利用可再生能源,还无法解决集中与分布、时空关联、资源互补的矛盾[71-72].针对新型电力系统对高效协同运行日益增长的需求,下面主要从时间和空间两个角度开展基于电网友好型储能的新型电力系统协同运行策略研究.

3.1 多时间尺度协同运行策略

根据放电持续时长,可将储能划分为短时储能和长时储能,但长时储能还处于发展初期,国内外并没有对长短时储能的时长进行统一的界定.长时储能是解决新型电力系统季节性供需不平衡问题的有效途径,还能够在极端天气下保障电力供应,主要包括新型液流电池储能技术、压缩空气储能技术和高温储热等.短时储能有各类电化学储能、飞轮储能和超级电容储能,其中毫秒级和秒级更注重频率调整和瞬时备用,调节延迟和偏差小,短时响应性能和爬坡能力强,能够实现精准控制、稳定输出和有效平抑电力不平衡.因此,短时储能对提高新型电力系统的效率、可靠性和可持续性至关重要.结合长时储能和短时储能的特点可知,短时功率和长期电量双重调节可以为高比例新能源电力系统不同时间尺度的灵活性需求提供全方位支撑.典型的多时间尺度协同运行滚动优化框架如图5所示.

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   多时间尺度协同运行滚动优化框架

Fig.5   Framework of multi-time scale collaborative rolling optimization


文献[73]中精细分析了考虑技术经济性的长期储能规划特性,面向新型电力系统建立年度 8 760 h 时序运行模拟的多时间尺度储能协调优化规划模型,结果表明长期储能的成本效益受储能容量成本和放电效率的影响最大.文献[74]中针对风电反调峰特性导致峰谷差增大等问题,提出一种基于长短期记忆预测-校正的储能多时间尺度优化控制策略,先对风电、负荷功率进行长短期记忆预测,然后根据实际调峰过程和计划储能剩余容量之间的误差采用线性修正功率路线进行调峰,增加储能对电网的友好性.文献[75]中针对风电、负荷和用户响应预测精度随时间逐级提高的特点,分析分时电价下三者的预测误差变化,实现不同时间尺度下的偏差控制和综合能源系统电、气、热负荷的协同优化,使调度成本降低.文献[76]中提出基于储能荷电状态的调峰调频工作分区和多时间尺度协同控制策略,相比于单调峰和单调频控制,储能利用率大幅度提升.文献[77-78]中考虑多重不确定性、异质能源的多时间尺度特性以及混合储能的协调运行等挑战,研究了综合能源系统多时间尺度滚动优化问题,通过基于模型预测框架的两阶段优化,可有效应对上述挑战.文献[79]中综合考虑峰谷差价套利和调频辅助服务收益,提出一种电能量和辅助服务市场规则下的储能日前、日内两阶段经济运行策略,有效提高了用户侧储能运行经济性.文献[80]中为减少风电反调峰特性对电网的影响,将一年的风电功率进行时域分解后生成典型风电调峰场景,针对历史场景构建风-火-储协同调峰模型,提出多时间尺度滚动修正调度策略,提高了极端风电场景下电网调度的计算速度和执行效率.文献[81]中构建考虑能量-调峰调频辅助服务市场的园区综合能源系统日前-日内-实时的多时间尺度运行优化模型,在多阶段的电能量市场、调峰调频辅助服务市场申报模型下,多能协调互补减少了园区用能成本,通过调峰调频辅助服务市场有效促进地区的新能源消纳和能量的实时平衡.

以上文献将多时间尺度划分为日前-日内两阶段或日前-日内-实时三阶段滚动优化来考虑储能和可再生能源的协同运行,有效降低了新能源出力和其他负荷的预测信息偏差带来的影响.针对长时期和短时期调控对储能的需求合理分配电量,也大幅提升了储能利用率.然而,“双高”电力系统源-网-荷调节资源多元异构、海量分散,调控潜能巨大,若未对参与主体与系统之间的利益均衡考量,难以调动各类资源的响应积极性.因此,亟待研究多元新型可调控资源聚合与多主体协同博弈方法,实现不同利益主体的协同博弈与利益共赢.

3.2 多区域协同运行策略

3.1节所述是在多时间尺度上考虑储能和可再生能源的新型电力系统调控,其本质是集中式的调控,以实现电网的局部调度.随着我国电力行业的发展和电力市场的改革,现代电力系统中呈现互联和多源的特点,各区域相互影响不断加深,负荷需求日益增长,传统单区域运行难以为继.以综合能源系统为例,作为一种多能耦合的能源产销一体化系统,其可根据地理空间上的差异分为跨区级、区域级和园区级3类.其中,区域级划分源、网、荷、储4部分,完成能量转换与分配任务.3个及以上区域综合能源系统可通过联络线互联构成多区域综合能源系统,多区域综合能源系统借助联络线充分发挥不同区域综合能源系统的运行优势,耦合子系统可有效提高整个系统的经济性、运行灵活性和供能可靠性[82].然而,多区域综合能源系统既包括多个主体,又涵盖多种能量耦合形式,运行控制极为复杂.因此,多区域协同运行技术成为近十年来国内外的研究热点.多区域协同运行技术是通过不同区域的互联电力系统之间协同调控,在若干子系统的复杂利益中寻找最佳平衡点,解决多区域间源荷分布差异造成的资源低效利用的问题,实现各区域负荷的平衡调度和能源的合理配置,提高整个电力系统的运行效率、经济性和可靠性.

文献[83-85]中建立考虑多区域、大范围互联微电网功率互济储能系统联合优化调度模型,有效提升了全网新能源消纳率和互联电网运行的综合效益.文献[86]中基于居民、商业、工业区域的用电习惯建立需求响应模型,使用Shapley值法对经济成本进行分摊,转化为混合整数规划问题求解,结果表明该方法可有效提高电池寿命和多区域微电网运行经济性.文献[87]中将跨区互联电力系统简化成两机系统,设计了两区域互联电力系统静止同步串联补偿器非线性鲁棒控制器,有效减少系统振荡,稳定性有所提高.文献[88]中考虑多区域电力系统在解除管制的运行环境下,针对多区域互联电力系统在频率控制方面遇到的挑战,提出一种结合非线性积分滑动面与负荷控制器的负荷频率控制策略,该方法的显著特点是能够在负荷波动的情况下保持输电功率与频率的稳定,最后通过三区域电力系统模型实例验证了所提方案的有效性.文献[89]中针对太阳能光伏系统和储能系统组成的分布式电动汽车充电站的能量管理问题,基于对电动汽车供应商和消费者行为提出一种多智能体深度强化学习算法,对分布式电动汽车充电站能耗进行联合优化,有效降低了运行成本.文献[90]中针对光伏发电间歇性问题,提出把电池储能系统应用于可再生能源配电网的全局集中调度模型,提高了系统运行经济性.

以上研究旨在提出多区域协同运行策略,利用鲸鱼优化算法、多智能体深度强化学习、博弈模型等,提高了电力系统的可靠性、稳定性和经济性,实现了区域子系统之间的协同操作,从而更好地管理各类资源.但需要指出的是,以上文献很少考虑多种不同类型能源的综合利用以及多区域协同运行需要具备应对突发事件、设备故障和不确定性的鲁棒性.为了更有效地应对电力系统面临的各种挑战,提升系统性能,并促进不同区域之间的合作与协同运行,算法和控制策略必须在各种情况下都能有效运行.

4 研究方向展望

储能是能源领域的重要组成部分,传统的储能手段已难以适应社会经济快速发展的需求,迫切需要进一步发展和转变.广义储能有望在分布式新能源渗透率逐步提升的趋势下发挥重要作用.同时,储能的发展离不开先进技术和政策的保障.结合该领域研究和实践进展情况,为扩大储能在新型电力系统中的应用做出以下展望,包括共享储能、数智化聚合建模、储能智能化管理和自适应控制、完善多区域合作与标准化政策机制几个方向.

4.1 共享储能

能源供需平衡模式正经历由“源随荷动”转变为“源荷互动”的深刻变革.比如,靠近用户侧的户用储能、电动汽车等分布式资源具有双向调节功能,可以在电力生产者和消费者之间灵活切换角色来适应多种电网工况.这类广义储能规模庞大、调节能力灵活,有望支持新型电力系统清洁、低碳、安全高效发展[91].

以美国为例,2023年居民储能用户新增装机容量达800 MW,预计2024年新增装机达 1100 MW[92].在个人和家庭层面,户用储能使家庭具备独立供电的能力,在停电或紧急情况下提供电力,不易受到外部电网的影响,增强了能源安全性;结合太阳能等可再生能源发电,家庭可在更高程度上实现自给自足,不仅能够减少对常规能源的依赖,从而降低碳排放,同时还能在低峰时段存储电能,在高峰时段使用,从而优化能源消费、降低用电成本[93-94].在社会层面,家用储能系统可通过参与调峰调频辅助服务市场套利,电网电力紧缺的负荷高峰期减少对电网的需求或传输电能给系统,新能源发电高峰期或负荷低谷期储存电能,以满足电网电力平衡,从而降低能源生产和分配的成本,对促进可再生能源的普及应用和消纳、提高能源利用效率、促进能源转型和增强能源安全都有重要意义[95-97].就电动汽车的发展现状而言,全球电动汽车市场正在快速扩张,2022年全球纯电动汽车保有量达1.8亿辆[98],2023年我国新能源汽车保有量超 2 000 万辆.电动汽车除了节能、环保等方面的优势外,还具备移动储能属性,其巨大的储能量通过有序充电、车网互动的方式能够成为可调配电能负荷[99],为电网灵活调节提供调峰调频、局部阻塞消除等多类型辅助服务[100].

然而,户用储能和电动汽车这两种用户侧分布式资源因储能投资成本高、产能不稳定、设备性能限制和个体用户行为影响具有极大的不确定性,难以保证其规模化参与电网调峰调频辅助服务的效率和可靠性.电动汽车受限于供电容量较小和供电时间较短等因素,难以充分发挥群体汇聚的优势.相比之下,共享储能和云储能作为一种储能发展新形态,比独立储能社会利益更大[101-102].共享储能机制是指利用不同户用储能需求的互补性提升储能利用率,可有效降低运行成本促进新能源就地消纳.当共享储能容量规模达到一定程度之后,满足户用储能使用需求的同时可划出一部分容量,为用于电网侧调控提供新思路[103],聚合移动储能特性的电动汽车作为共享储能也是一种极具应用前景的方案.这一视角下可能的研究方向包括设计和优化共享储能系统的结构、容量和位置,构建多重异质物理特性的广义储能数学模型,开发适用于共享储能系统的智能管理和控制算法并研究考虑广义储能特性的新型共享交易机制、成本收益分摊、市场定价等商业模式和运营机制.上述研究方向对于提升储能系统的应用价值具有重要意义.

4.2 储能数智化的聚合建模

由于虚拟储能能够发挥与实体储能相同调节作用,而储能技术受限于投资建设成本,所以综合能源系统中大多应用虚拟储能来聚合源、网、荷侧可调度灵活性电源、能源网和负荷.但各种能源运行特性差异较大且多能资源耦合使系统愈加复杂,系统在同一时间尺度上很难进行优化调度;同时,求解复杂非线性模型困难,不利于系统状态的快速调整[104].因此,针对包含多种复杂能源设备、网络以及多种不同时间尺度能源的虚拟储能系统,为平衡能量和能源形态归一化,构建具有统一可调特性、精度高、使用范围广且仿真效率高的源网荷储能化模型,对于研究储能并网特性及控制至关重要,同时也是保障电力系统正常稳定运行的物质基础[105].然而,现阶段研究大多针对单一种类负荷的虚拟储能开展,无法反映整个虚拟储能系统,建模精度严重不足,且缺少对系统内虚拟储能的宏观把握.未来新型电力系统下,虚拟储能建模需进一步完善.

结合数智化的理念和建模方法,聚合多类型储能有潜力成为未来储能领域的重要研究方向.通过收集和分析虚拟储能系统运行数据,建立精确的状态估计模型,可提高储能系统的监控和预测能力;利用机器学习算法,进行虚拟储能系统的故障预测、寿命预测和性能优化;基于实时数据和智能算法,动态优化虚拟储能系统的充放电策略,提高系统运行效率和经济效益;建立统一的数智化建模标准,促进模型的互操作性和复用性,推动行业整体发展;开发开放的数智化建模与仿真平台,方便研究人员进行共享和协同研究,促进技术创新.

4.3 储能智能化管理和自适应控制技术

随着人工智能和自动化技术的不断进步,以及互联网、大数据等多项变革性技术的广泛应用,新型电力系统建设过程中,电力、交通、建筑等领域相关技术与复杂系统加速融合,储能系统要更加智能化,能够自动优化配置和运行,以适应不断变化的电力系统需求和市场条件.

云计算技术的发展也为储能系统的智能化管理提供了可能.未来,储能系统可能会与云平台相结合形成智能能源管理系统,根据实时能源价格、工序情况、用户需求等因素,利用数据分析、智能优化算法等技术实现对储能系统的远程监控、智能调度和预测性维护,自动调整储能系统的充放电策略,以实现经济效益和环境效益最大化.运营商通过互联网远程监测和管理储能系统的运行状态和性能指标,发现和解决问题,保障系统的稳定运行;同时,用户也可以利用手机应用等终端设备实时监测和控制户用储能系统,实现个性化的能源管理和控制,从而提高系统的效率和可靠性.

4.4 多区域合作与标准化政策机制

目前,我国调峰调频辅助服务市场中,参与主体和新型主体不断丰富和涌现.然而,不同地区辅助服务市场参与主体、不同类型辅助服务品种参与主体均存在显著差异,同时,不同地区对辅助服务提供准入条件也有所限制.因此,跨省、跨区域合作对储能技术和多区域电力系统的全面可持续发展有重要意义,共同制定标准和规范有利于不同地区储能系统能够互操作并实现协同运行.

目前,新能源汽车所用的动力电池迎来退役潮,尚未形成针对电力储能用途的梯次利用锂电池系统的技术标准体系.未来,需从规格尺寸、回收利用以及构建碳足迹标准体系等方面着手加快已立项行业标准的编制.此外,储能电站存在安全隐患,发生的火灾事故反映出现有安全规范标准体系不够完善.因此,急需建立储能电站的消防验收及备案机制,并严格执行项目安全、消防和环保等管理程序.强化安全管控,确保涉网设备符合电网安全运行的相关技术要求,同时明确新型储能项目需通过具有响应资质机构的监测认证,落实储能安全保障和责任势在必行.

5 结论

储能是实现高比例新能源电力系统并网的重要路径.本文以全球新能源发展历程和趋势为切入点,从新能源固有特性出发,分析了“双碳”目标下新型电力系统对储能的需求.根据国内储能发展现状,探讨了国外储能参与电力市场的相关举措和政策对我国储能健康发展的启示.为促进高比例新能源电力系统的发展,研究了新型电力系统调峰调频需求下储能优化配置方法和协同运行方案,主要结论如下:

(1) 单一储能难以兼顾新型电力系统调峰调频等多种需求,混合储能可有效实现灵活性调节层面上的优势互补,有利于提高系统的经济性、灵活性和稳定性.

(2) 电网友好型储能可在多个时间尺度上发挥其灵活性,长短期储能的协同在提高新型电力系统效率、可靠性、可持续性方面和解决季节性供需不平衡问题上发挥重要作用.

(3) 随着新型电力系统的不断发展,多区域协同运行技术变得日益重要.通过协调不同区域的电力系统,提高效率和可靠性,实现负荷平衡和能源优化配置,将为电力系统的可持续发展提供至关重要的支持.

针对储能,未来研究应注重不同应用场景需求,发展共享云储能、储能数智化聚合建模,引入智慧能源管理技术,加强基础设施建设以及完善政策机制等.

参考文献

IEA.

Renewable energy progress tracker

[DB/OL]. [2024-04-14]. https://www.iea.org/data-and-statistics/data-tools/renewables-data-explorer.

URL     [本文引用: 1]

许津铭, 谢少军, 张斌锋.

分布式发电系统中LCL滤波并网逆变器电流控制研究综述

[J]. 中国电机工程学报, 2015, 35(16): 4153-4166.

[本文引用: 2]

XU Jinming, XIE Shaojun, ZHANG Binfeng.

Overview of current control techniques for grid-connected inverters with LCL filters in distributed power generation systems

[J]. Proceedings of the CSEE, 2015, 35(16): 4153-4166.

[本文引用: 2]

李明节, 陈国平, 董存, 等.

新能源电力系统电力电量平衡问题研究

[J]. 电网技术, 2019, 43(11): 3979-3986.

LI Mingjie, CHEN Guoping, DONG Cun, et al.

Research on power balance of high proportion renewable energy system

[J]. Power System Technology, 2019, 43(11): 3979-3986.

LIU W, WANG T H, WANG S, et al.

Day-ahead robust optimal dispatching method for urban power grids containing high proportion of renewable energy

[J]. Process Safety & Environmental Protection, 2023, 178: 715-727.

[本文引用: 1]

栗然, 卢云, 刘会兰, 等.

双馈风电场经串补并网引起次同步振荡机理分析

[J]. 电网技术, 2013, 37(11): 3073-3079.

[本文引用: 1]

LI Ran, LU Yun, LIU Huilan, et al.

Mechanism analysis on subsynchronous oscillation caused by grid-integration of doubly fed wind power generation system via series compensation

[J]. Power System Technology, 2013, 37(11): 3073-3079.

[本文引用: 1]

王波, 卢继平, 龚建原, 等.

含双馈机组转子侧附加控制的风电场次同步振荡抑制方法

[J]. 电网技术, 2013, 37(9): 2580-2584.

[本文引用: 1]

WANG Bo, LU Jiping, GONG Jianyuan, et al.

A method to suppress sub-synchronous oscillation of wind farm composed of doubly fed induction generators with additional rotor side control

[J]. Power System Technology, 2013, 37(9): 2580-2584.

[本文引用: 1]

吴俊, 薛禹胜, 舒印彪, 等.

大规模可再生能源接入下的电力系统充裕性优化(一)旋转级备用的优化

[J]. 电力系统自动化, 2019, 43(8): 101-109.

[本文引用: 1]

WU Jun, XUE Yusheng, SHU Yinbiao, et al.

Adequacy optimization for a large-scale renewable energy integrated power system part one spinning-grade reserve optimization

[J]. Automation of Electric Power Systems, 2019, 43(8): 101-109.

[本文引用: 1]

WANG L, XIE X R, JIANG Q R, et al.

Investigation of SSR in practical DFIG-based wind farms connected to a series-compensated power system

[J]. IEEE Transactions on Power Systems, 2015, 30(5): 2772-2779.

DOI:10.1109/TPWRS.2014.2365197      URL     [本文引用: 1]

LIU Z, LIU J J, BAO W H, et al.

Infinity-norm of impedance-based stability criterion for three-phase AC distributed power systems with constant power loads

[J]. IEEE Transactions on Power Electronics, 2015, 30(6): 3030-3043.

DOI:10.1109/TPEL.2014.2331419      URL     [本文引用: 1]

郁海彬, 董帅, 陆增洁, 等.

新型电力系统下储能参与电力调峰调频辅助市场的竞标策略

[J]. 中国电力, 2023, 56(8): 48-60.

[本文引用: 2]

YU Haibin, DONG Shuai, LU Zengjie, et al.

Bidding strategy of energy storage participating in the auxiliary market of peak and frequency modulation in new power system

[J]. Electric Power, 2023, 56(8): 48-60.

[本文引用: 2]

陈启鑫, 房曦晨, 郭鸿业, 等.

储能参与电力市场机制: 现状与展望

[J]. 电力系统自动化, 2021, 45(16): 14-28.

[本文引用: 1]

CHEN Qixin, FANG Xichen, GUO Hongye, et al.

Participation mechanism of energy storage in electricity market: Status quo and prospect

[J]. Automation of Electric Power Systems, 2021, 45(16): 14-28.

[本文引用: 1]

郭咏涛, 向月, 刘俊勇.

面向高比例清洁能源消纳的含灵活性资源电力系统规划方案优选

[J]. 上海交通大学学报, 2023, 57(9): 1146-1155.

DOI:10.16183/j.cnki.jsjtu.2022.269      [本文引用: 1]

高比例清洁能源具有波动性及间歇性等特点,其大规模接入给电力系统灵活性带来巨大挑战.为提升系统可再生能源消纳能力,考虑火电灵活性改造、投建燃气机组和投建储能的多种灵活性资源,建立一种计及多类型灵活性资源功率特性的电力系统规划方案优选模型.通过改进的IEEE 24节点电力系统和12节点天然气互联系统进行仿真分析,验证所提模型的有效性,并从经济性、消纳能力、低碳性等角度对灵活性规划方案进行优选以满足不同的规划需求.

GUO Yongtao, XIANG Yue, LIU Junyong.

Optimal planning of power systems with flexible resources for high penetrated renewable energy accommodation

[J]. Journal of Shanghai Jiao Tong University, 2023, 57(9): 1146-1155.

[本文引用: 1]

洪烽, 梁璐, 逄亚蕾, 等.

基于机组实时出力增量预测的火电-飞轮储能系统协同调频控制研究

[J]. 中国电机工程学报, 2023, 43(21): 8366-8378.

[本文引用: 2]

HONG Feng, LIANG Lu, PANG Yalei, et al.

Research on coordinated frequency control of thermal power-flywheel energy storage system based on the real-time prediction of output increment

[J]. Proceedings of the CSEE, 2023, 43(21): 8366-8378.

[本文引用: 2]

RAHIM M, YASEEN S, ULLAH R.

Electrochemical supercapacitor based on polyaniline/bismuth-doped zinc oxide (PANI/Bi-ZnO) composite for efficient energy storage

[J]. Journal of Physics & Chemistry of Solids, 2023, 182: 111610.

PUSCEDDU E, ZAKERI B, CASTAGNETO GISSEY G.

Synergies between energy arbitrage and fast frequency response for battery energy storage systems

[J]. Applied Energy, 2021, 283: 116274.

DOI:10.1016/j.apenergy.2020.116274      URL     [本文引用: 1]

SU H Y, LIU J H, CHU C C, et al.

Developing an optimal scheduling of Taiwan power system with highly penetrated renewable energy resources and pumped hydro storages

[J]. IEEE Transactions on Industry Applications, 2021, 57(3): 1973-1986.

DOI:10.1109/TIA.2021.3057300      URL     [本文引用: 1]

TIAN B Y, HE Y X, ZHOU J H, et al.

Cost-sharing mechanisms for pumped storage plants at different market stages in China

[J]. Renewable Energy, 2023, 217: 119183.

DOI:10.1016/j.renene.2023.119183      URL    

赵长颖, 闫君, 赵耀.

如何实现媲美化石能源的大规模储能技术?

[J]. 上海交通大学学报, 2021, 55 (Sup.1): 91-92.

ZHAO Changying, YAN Jun, ZHAO Yao.

How to develop large-scale energy storage technologies comparable to fossil fuels?

[J]. Journal of Shanghai Jiao Tong University, 2021, 55 (Sup.1): 91-92.

黄雨涵, 丁涛, 李雨婷, 等.

碳中和背景下能源低碳化技术综述及对新型电力系统发展的启示

[J]. 中国电机工程学报, 2021, 41 (Sup.1): 28-51.

[本文引用: 1]

HUANG Yuhan, DING Tao, LI Yuting, et al.

Decarbonization technologies and inspirations for the development of novel power systems in the context of carbon neutrality

[J]. Proceedings of the CSEE, 2021, 41 (Sup.1): 28-51.

[本文引用: 1]

NIU J D, TIAN Z, LU Y K, et al.

Flexible dispatch of a building energy system using building thermal storage and battery energy storage

[J]. Applied Energy, 2019, 243: 274-287.

DOI:10.1016/j.apenergy.2019.03.187      URL     [本文引用: 1]

崔杨, 安宁, 付小标, 等.

考虑广义储能与碳捕集设备联合调峰的电力系统低碳经济调度

[J]. 电力自动化设备, 2023, 43(8): 40-48.

CUI Yang, AN Ning, FU Xiaobiao, et al.

Low-carbon economic dispatching of power system considering joint peak shaving of generalized energy storage and carbon capture equipment

[J]. Electric Power Automation Equipment, 2023, 43(8): 40-48.

李宏仲, 房宇娇, 肖宝辉.

考虑广义储能的区域综合能源系统优化运行研究

[J]. 电网技术, 2019, 43(9): 3130-3138.

[本文引用: 1]

LI Hongzhong, FANG Yujiao, XIAO Baohui.

Research on optimized operation of regional integrated energy system considering generalized energy storage

[J]. Power System Technology, 2019, 43(9): 3130-3138.

[本文引用: 1]

李强, 王璇, 琚诚, 等.

基于广义储能的多时间尺度综合能源系统优化调度模型

[J]. 南方电网技术, 2024, 18(9): 117-125.

DOI:10.13648/j.cnki.issn1674-0629.2024.09.013      [本文引用: 1]

针对目前综合能源系统（integrated energy system，IES）因设备种类繁多而优化调度困难、综合能源利用效率较低的问题，提出一种基于广义储能（generalized energy storage，GES）的综合能源系统优化调度模型。首先建立各类不同负荷的GES模型，简化了能源调度与消费之间的信息交互，然后基于GES模型建立了日前和日内优化调度模型，为IES能量流分析和优化提供有效途径，最后搭建IES仿真测试系统验证了所提模型的有效性。仿真测试结果表明，该优化模型能充分挖掘负荷的调度潜力，缓解能源调度供需平衡的压力，降低电力系统的运营成本，减少协同分析计算的时间，提升优化调度方法的计算精度和效率。

LI Qiang, WANG Xuan, JU Cheng, et al.

Optimal scheduling model of multi-time scale integrated energy system based on generalized energy storage

[J]. Southern Power System Technology, 2024, 18(9): 117-125.

DOI:10.13648/j.cnki.issn1674-0629.2024.09.013      [本文引用: 1]

Aiming at the problems that the integrated energy system （IES） is difficult to optimize and scheduling due to the wide variety of equipment, and the utilization efficiency of comprehensive energy is low, an integrated energy system optimization scheduling Model based on generalized energy storage （GES） is proposed. Firstly, GES models of various loads are established, which simplify the information interaction between energy scheduling and consumption. Then, based on the GES model, day-ahead and intra-day optimal scheduling models are established to provide an effective way for IES energy flow analysis and optimization. Finally, IES simulation testing system is built which verifies the effectiveness of the proposed model. The simulation test results show that the optimization model can fully tap into the scheduling potential of the load, relieve the pressure of energy scheduling supply and demand balance, reduce the cost of power system, reduce the time for collaborative analysis and calculation, and improve the calculation efficiency and accuracy.

孙毅, 谷家训, 郑顺林, 等.

考虑广义储能和LCA碳排放的综合能源系统低碳优化运行策略

[J]. 上海交通大学学报, 2024, 58(5): 647-658.

DOI:10.16183/j.cnki.jsjtu.2022.350      [本文引用: 1]

综合能源系统(IES)是当前能源转型低碳发展背景下实现“双碳”目标的关键,为了提高IES碳减排能力,需要充分利用需求侧负荷资源和传统储能设备等广义储能资源参与IES优化.首先,建立一种综合考虑可再生能源、能源转换设备、广义储能设备、能源市场交易的IES优化运行模型.然后,使用生命周期评估法(LCA)对IES中能源循环、设备循环的全过程进行碳排放量计算,并将碳排放成本纳入系统总成本.最后,利用仿真实验验证所提模型不仅有利于降低IES总调度成本,还能降低系统的碳排放量,有效促进IES的低碳发展.

SUN Yi, GU Jiaxun, ZHENG Shunlin, et al.

Low-carbon optimal operation strategy of integrated energy system considering generalized energy storage and LCA carbon emission

[J]. Journal of Shanghai Jiao Tong University, 2024, 58(5): 647-658.

[本文引用: 1]

徐飞, 闵勇, 陈磊, 等.

包含大容量储热的电-热联合系统

[J]. 中国电机工程学报, 2014, 34(29): 5063-5072.

[本文引用: 1]

XU Fei, MIN Yong, CHEN Lei, et al.

Combined electricity-heat operation system containing large capacity thermal energy storage

[J]. Proceedings of the CSEE, 2014, 34(29): 5063-5072.

[本文引用: 1]

陈笑云, 顾延勋, 胡大朋, 等.

基于储能船舶的海岛群电-氢混合能量调度策略

[J]. 电网技术, 2024, 48(8): 3317-3328.

CHEN Xiaoyun, GU Yanxun, HU Dapeng, et al.

Hybrid energy dispatching strategies for island group electric hydrogen based on energy storage ships

[J]. Power System Technology, 2024, 48(8): 3317-3328.

YANG H J, ZHOU M, WU Z Y, et al.

Exploiting the operational flexibility of a concentrated solar power plant with hydrogen production

[J]. Solar Energy, 2022, 247: 158-170.

DOI:10.1016/j.solener.2022.10.011      URL    

肖碧涛, 刘元, 叶雨润, 等.

考虑广义储能参与灵活响应的光储氢集站实时能量管理策略

[J]. 电力自动化设备, 2024, 44(10): 53-61.

[本文引用: 1]

XIAO Bitao, LIU Yuan, YE Yurun, et al.

Real-time energy management strategy of photovoltaic-energy storage-hydrogen production integrated system considering generalized energy storage participating in flexible response

[J]. Electric Power Automation Equipment, 2024, 44(10): 53-61.

[本文引用: 1]

安宁. 考虑广义储能的电力系统低碳调度及调峰补偿分摊策略研究[D]. 吉林: 东北电力大学, 2023.

[本文引用: 1]

AN Ning. Research on low-carbon economic dispatching and peak-shaving compensation allocation strategy of power system considering generalized energy storage[D]. Jilin: Northeast Dianli University, 2023.

[本文引用: 1]

李先锋, 张洪章, 郑琼, 等.

能源革命中的电化学储能技术

[J]. 中国科学院院刊, 2019, 34(4): 443-449.

[本文引用: 1]

LI Xianfeng, ZHANG Hongzhang, ZHENG Qiong, et al.

Electrochemical energy storage technology in energy revolution

[J]. Bulletin of Chinese Academy of Sciences, 2019, 34(4): 443-449.

[本文引用: 1]

陈海生, 凌浩恕, 徐玉杰.

能源革命中的物理储能技术

[J]. 中国科学院院刊, 2019, 34(4): 450-459.

CHEN Haisheng, LING Haoshu, XU Yujie.

Physical energy storage technology in energy revolution

[J]. Bulletin of Chinese Academy of Sciences, 2019, 34(4): 450-459.

WANG Y Z, HU J H, FANG X, et al.

Analysis of energy storage participation policies in an electricity market environment

[C]// 2022 IEEE Transportation Electrification Conference and Expo, Asia-Pacific. Haining, China: IEEE, 2022: 1-6.

[本文引用: 3]

陈海生.

“双碳”目标下的储能发展

[J]. 中国电力企业管理, 2021(22): 23-24.

[本文引用: 2]

CHEN Haisheng.

Energy storage development under the “dual carbon” goal

[J]. China Power Enterprise Management, 2021(22): 23-24.

[本文引用: 2]

朱佳男, 艾芊, 李嘉媚.

基于分布鲁棒优化的广义共享储能容量配置方法

[J]. 电力系统自动化, 2024, 48(8): 185-194.

[本文引用: 2]

ZHU Jianan, AI Qian, LI Jiamei.

Capacity allocation method for generalized shared energy storage based on distributionally robust optimization

[J]. Automation of Electric Power Systems, 2024, 48(8): 185-194.

[本文引用: 2]

Federal Energy Regulatory Commission. Order No.841[R]. Washington D. C., USA: FERC, 2018.

[本文引用: 1]

ZHANG Z Y, DING T, MU C G, et al.

Fully parallel algorithm for energy storage capacity planning under joint capacity and energy markets

[J]. IEEE Transactions on Automation Science & Engineering, 2024, 21(1): 257-268.

[本文引用: 1]

林森, 文书礼, 朱淼, 等.

海港综合能源系统低碳经济发展研究综述

[J]. 中国电机工程学报, 2024, 44(4): 1364-1386.

[本文引用: 2]

LIN Sen, WEN Shuli, ZHU Miao, et al.

Review on low-carbon and economic development of seaport integrated energy system

[J]. Proceedings of the CSEE, 2024, 44(4): 1364-1386.

[本文引用: 2]

AMIR M, DESHMUKH R G, KHALID H M, et al.

Energy storage technologies: An integrated survey of developments, global economical/environmental effects, optimal scheduling model, and sustainable adaption policies

[J]. Journal of Energy Storage, 2023, 72: 108694.

DOI:10.1016/j.est.2023.108694      URL    

谢小荣, 马宁嘉, 刘威, 等.

新型电力系统中储能应用功能的综述与展望

[J]. 中国电机工程学报, 2023, 43(1): 158-169.

XIE Xiaorong, MA Ningjia, LIU Wei, et al.

Functions of energy storage in renewable energy dominated power systems: Review and prospect

[J]. Proceedings of the CSEE, 2023, 43(1): 158-169.

ABDALLA A N, NAZIR M S, TAO H, et al.

Integration of energy storage system and renewable energy sources based on artificial intelligence: An overview

[J]. Journal of Energy Storage, 2021, 40: 102811.

DOI:10.1016/j.est.2021.102811      URL    

DAS C K, BASS O, KOTHAPALLI G, et al.

Overview of energy storage systems in distribution networks: Placement, sizing, operation, and power quality

[J]. Renewable & Sustainable Energy Reviews, 2018, 91: 1205-1230.

刘畅, 卓建坤, 赵东明, 等.

利用储能系统实现可再生能源微电网灵活安全运行的研究综述

[J]. 中国电机工程学报, 2020, 40(1): 1-18.

[本文引用: 2]

LIU Chang, ZHUO Jiankun, ZHAO Dongming, et al.

A review on the utilization of energy storage system for the flexible and safe operation of renewable energy microgrids

[J]. Proceedings of the CSEE, 2020, 40(1): 1-18.

[本文引用: 2]

陆秋瑜, 胡伟, 闵勇, 等.

考虑时间相关性的风储系统多模式协调优化策略

[J]. 电力系统自动化, 2015, 39(2): 6-12.

[本文引用: 1]

LU Qiuyu, HU Wei, MIN Yong, et al.

A multi-pattern coordinated optimization strategy of wind power and energy storage system considering temporal dependence

[J]. Automation of Electric Power Systems, 2015, 39(2): 6-12.

[本文引用: 1]

徐国栋, 程浩忠, 马则良, 等.

考虑电网调峰能力限制的风储联合系统概率综合效益评价方法

[J]. 电网技术, 2015, 39(10): 2731-2738.

[本文引用: 1]

XU Guodong, CHENG Haozhong, MA Zeliang, et al.

A method to evaluate probabilistic comprehensive benefits of joint wind power and storage system considering constraints of peak load regulation capacity

[J]. Power System Technology, 2015, 39(10): 2731-2738.

[本文引用: 1]

李咸善, 方子健, 李飞, 等.

含多微电网租赁共享储能的配电网博弈优化调度

[J]. 中国电机工程学报, 2022, 42(18): 6611-6625.

[本文引用: 1]

LI Xianshan, FANG Zijian, LI Fei, et al.

Game-based optimal dispatching strategy for distribution network with multiple microgrids leasing shared energy storage

[J]. Proceedings of the CSEE, 2022, 42(18): 6611-6625.

[本文引用: 1]

马静, 沈玉明, 荣秀婷, 等.

考虑储能用户与新能源双边交易调峰服务的电力系统联合运营模式

[J]. 电力自动化设备, 2023, 43(1): 113-120.

[本文引用: 1]

MA Jing, SHEN Yuming, RONG Xiuting, et al.

Joint operation mode of power system considering bilateral peak regulation service transaction between energy storage users and new energy

[J]. Electric Power Automation Equipment, 2023, 43(1): 113-120.

[本文引用: 1]

武艺, 姚良忠, 廖思阳, 等.

一种基于改进K-means++算法的分布式光储聚合调峰方法

[J]. 电网技术, 2022, 46(10): 3923-3931.

[本文引用: 1]

WU Yi, YAO Liangzhong, LIAO Siyang, et al.

A peak shaving method of aggregating the distributed photovoltaics and energy storages based on the improved K-means++ algorithm

[J]. Power System Technology, 2022, 46(10): 3923-3931.

[本文引用: 1]

赵海岭, 王维庆, 李笑竹, 等.

计及储能参与的电能-调频-备用市场日前联合交易决策模型

[J]. 电网技术, 2023, 47(11): 4575-4587.

[本文引用: 1]

ZHAO Hailing, WANG Weiqing, LI Xiaozhu, et al.

Day ahead joint trading decision model for electricity, frequency regulation and reserve market considering energy storage participation

[J]. Power System Technology, 2023, 47(11): 4575-4587.

[本文引用: 1]

张小莲, 覃世球, 陈冲, 等.

考虑储能充放电均衡度的风储联合调频控制策略

[J]. 电网技术, 2024, 48(5): 1938-1946.

[本文引用: 1]

ZHANG Xiaolian, QIN Shiqiu, CHEN Chong, et al.

Wind turbine storage joint frequency modulation control strategy considering the balance of energy storage charge and discharge

[J]. Power System Technology, 2024, 48(5): 1938-1946.

[本文引用: 1]

唐飞, 亓君锋, 谢家锐, 等.

避免频率二次跌落的风储联合调频控制策略

[J]. 中国电机工程学报, 2024, 44(10): 3824-3836.

[本文引用: 1]

TANG Fei, QI Junfeng, XIE Jiarui, et al.

Coordinated control strategy of wind turbine generator and energy storage equipment to avoid frequency secondary drop

[J]. Proceedings of the CSEE, 2024, 44(10): 3824-3836.

[本文引用: 1]

赵晶晶, 徐传琳, 吕雪, 等.

微电网一次调频备用容量与储能优化配置方法

[J]. 中国电机工程学报, 2017, 37(15): 4324-4332.

[本文引用: 2]

ZHAO Jingjing, XU Chuanlin, LÜ Xue, et al.

Optimization of micro-grid primary frequency regulation reserve capacity and energy storage system

[J]. Proceedings of the CSEE, 2017, 37(15): 4324-4332.

[本文引用: 2]

李秀慧, 崔炎.

考虑调峰调频需求的新能源电网储能优化配置

[J]. 储能科学与技术, 2022, 11(11): 3594-3602.

DOI:10.19799/j.cnki.2095-4239.2022.0331      [本文引用: 1]

风电、光伏等新能源大规模接入电网带来电力电量不平衡问题。对此，本工作提出考虑新能源电网调峰调频需求的储能优化配置方法。首先，建立典型日多时间尺度运行模拟模型用于量化储能参与系统调峰和频率响应的贡献，即兼顾碳足迹约束的日前调峰和兼顾联络线偏差控制的日内调频。然后，建立储能配置-运行双层优化模型，上层配置模型以系统年运行成本与储能等值年投资成本总和最小为目标决策储能容量，下层运行模型通过两阶段时序模拟刻画不同典型日下的多时间尺度运行。该双层优化问题通过差分进化算法+Gurobi求解器的混合算法求解。最后，算例表明考虑储能参与双重应用场景的配置结果更为合理，系统运行总成本更低、碳排放更少。

LI Xiuhui, CUI Yan.

Optimal allocation of energy storage in renewable energy grid considering the demand of peak and frequency regulation

[J]. Energy Storage Science and Technology, 2022, 11(11): 3594-3602.

DOI:10.19799/j.cnki.2095-4239.2022.0331      [本文引用: 1]

The issue of power imbalance is brought on by the large-scale access to wind power, photovoltaic and other renewable energy sources in the system. In this paper, we suggested a method to optimize energy storage allocation considering peak and frequency regulation demands. In order to quantify the contribution of energy storage to system peaking and frequency response, i.e., intra-day frequency regulation with contact line deviation control and day-ahead peaking with carbon footprint constraints, a typical daily multi-timescale operation simulation model is first established. Then, a two-layer energy storage configuration-operation optimization model is established. The lower model is a simulation of different typical day operations, solved by a hybrid algorithm of differential evolutionary algorithm & Gurobi solver. The upper model aims to minimize the sum of typical day-set operation cost and energy storage investment cost to determine the energy storage capacity. Finally, the calculation example demonstrates that the configuration results taking into account the dual application scenarios with energy storage participation are more reasonable, the overall system operation cost is lower, and the carbon emission is less.

ZHANG Z Y, DING T, ZHOU Q, et al.

A review of technologies and applications on versatile energy storage systems

[J]. Renewable & Sustainable Energy Reviews, 2021, 148: 111263.

[本文引用: 1]

张婷. 新型电力系统混合储能方案优选及优化配置模型研究[D]. 北京: 华北电力大学, 2022.

[本文引用: 1]

ZHANG Ting. Research on optimal selection and optimal configuration model of new hybrid energy storage scheme for power system[D]. Beijing: North China Electric Power University, 2022.

[本文引用: 1]

SCHAEFER E W, HOOGSTEEN G, HURINK J L, et al.

Sizing of hybrid energy storage through analysis of load profile characteristics: A household case study

[J]. Journal of Energy Storage, 2022, 52: 104768.

DOI:10.1016/j.est.2022.104768      URL     [本文引用: 1]

ZHANG L, ZHANG T W, ZHANG K, et al.

Research on power fluctuation strategy of hybrid energy storage to suppress wind-photovoltaic hybrid power system

[J]. Energy Reports, 2023, 10: 3166-3173.

DOI:10.1016/j.egyr.2023.09.176      URL     [本文引用: 1]

JI W M, HONG F, ZHAO Y Z, et al.

Applications of flywheel energy storage system on load frequency regulation combined with various power generations: A review

[J]. Renewable Energy, 2024, 223: 119975.

DOI:10.1016/j.renene.2024.119975      URL     [本文引用: 1]

BARELLI L, BIDINI G, CIUPAGEANU D A, et al.

Integrating hybrid energy storage system on a wind generator to enhance grid safety and stability: A levelized cost of electricity analysis

[J]. Journal of Energy Storage, 2021, 34: 102050.

DOI:10.1016/j.est.2020.102050      URL     [本文引用: 1]

RASOOL M H, TAYLAN O, PERWEZ U, et al.

Comparative assessment of multi-objective optimization of hybrid energy storage system considering grid balancing

[J]. Renewable Energy, 2023, 216: 119107.

DOI:10.1016/j.renene.2023.119107      URL     [本文引用: 1]

CHENG Z W, TONG Z M, TONG S G, et al.

CAES-SC hybrid energy storage: Dynamic characteristics and control via discharge process

[J]. Journal of Energy Storage, 2023, 72: 108561.

DOI:10.1016/j.est.2023.108561      URL     [本文引用: 1]

PAPAGEORGIOU P G, OUREILIDIS K O, CHRISTOFORIDIS G C.

A systematic review of hybrid superconducting magnetic/battery energy storage systems: Applications, control strategies, benefits, limitations and future prospects

[J]. Renewable & Sustainable Energy Reviews, 2023, 183: 113436.

[本文引用: 1]

GUO S, KURBAN A, HE Y, et al.

Multi-objective sizing of solar-wind-hydro hybrid power system with doubled energy storages under optimal coordinated operational strategy

[J]. CSEE Journal of Power & Energy Systems, 2023, 9(6): 2144-2155.

[本文引用: 1]

茆美琴, 刘云晖, 张榴晨, 等.

含高渗透率可再生能源的配电网广义储能优化配置

[J]. 电力系统自动化, 2019, 43(8): 77-85.

[本文引用: 1]

MAO Meiqin, LIU Yunhui, ZHANG Liuchen, et al.

Optimal configuration of generalized energy storage in distribution network with high-penetration renewable energy

[J]. Automation of Electric Power Systems, 2019, 43(8): 77-85.

[本文引用: 1]

SAKAMOTO S, BAROLLI A, BAROLLI L, et al.

Design and implementation of a hybrid intelligent system based on particle swarm optimization, hill climbing and distributed genetic algorithm for node placement problem in WMNs: A comparison study

[C]// 2018 IEEE 32nd International Conference on Advanced Information Networking and Applications. Krakow, Poland: IEEE, 2018: 678-685.

[本文引用: 1]

SUN H F, ZHANG Q Y, JIN C, et al.

Inverse lithography source optimization via particle swarm optimization and genetic combined algorithm

[J]. IEEE Photonics Journal, 2023, 15(2): 7800312.

[本文引用: 1]

XU Y Y, GUO P, ZENG Y.

An iterative neighborhood local search algorithm for capacitated centered clustering problem

[J]. IEEE Access, 2022, 10: 34497-34510.

DOI:10.1109/ACCESS.2022.3162692      URL     [本文引用: 1]

林森, 文书礼, 朱淼, 等.

考虑碳交易机制的海港综合能源系统电-热混合储能优化配置

[J]. 上海交通大学学报, 2024, 58(9): 1344-1356.

DOI:10.16183/j.cnki.jsjtu.2022.428      [本文引用: 1]

随着港口电气化进程逐渐加速,单一的港口供能方式正在向多种能源深度融合演变.为响应我国“碳达峰、碳中和”战略目标,进一步提升海港综合能源系统的经济与环境双重效益,提出一种考虑碳交易机制的电-热混合式储能优化配置方案.首先,建立海港综合能源系统模型,并给出计及碳交易市场的交易方案;其次,构建双层优化配置框架,上层优化配置混合式储能容量,下层引入碳交易机制,满足港口综合能源系统低碳经济运行需求;最后,结合网格自适应直接搜索法与自适应混沌粒子群算法优势,利用混合式优化算法对双层优化模型进行求解.以天津港的实际运行数据为例,验证该方法的有效性.算例结果表明,所提方法不仅可以降低系统的投入成本,还能显著减少港区碳排放,从而进一步提升港口经济和环境效益.

LIN Sen, WEN Shuli, ZHU Miao, et al.

Optimal allocation of electric-thermal hybrid energy storage for seaport integrated energy system considering carbon trading mechanism

[J]. Journal of Shanghai Jiao Tong University, 2024, 58(9): 1344-1356.

[本文引用: 1]

陈倩, 王维庆, 王海云.

基于需求侧响应的主动配电网双层优化方法

[J]. 电力系统保护与控制, 2022, 50(16): 1-13.

[本文引用: 1]

CHEN Qian, WANG Weiqing, WANG Haiyun.

Bi-level optimization model of an active distribution network based on demand response

[J]. Power System Protection & Control, 2022, 50(16): 1-13.

[本文引用: 1]

栗然, 王欣鹏, 白杨, 等.

考虑氢储能与源荷不确定性的微网优化配置

[J]. 华北电力大学学报(自然科学版), 2025, 52(3): 32-41.

[本文引用: 1]

LI Ran, WANG Xinpeng, BAI Yang, et al.

Optimal configuration of microgrid considering hydrogen storage and source and load uncertainty

[J]. Journal of North China Electric Power University (Natural Science Edition), 2025, 52(3): 32-41.

[本文引用: 1]

张天策. 基于可行域投影理论的新能源电力系统协同运行方法研究[D]. 北京: 华北电力大学, 2023.

[本文引用: 1]

ZHANG Tiance. Research on cooperative operation method of new energy power system based on feasible region projection theory[D]. Beijing: North China Electric Power University, 2023.

[本文引用: 1]

郝广涛, 韩学山, 梁军, 等.

传统电力系统和高比例可再生能源电力系统调度与控制方法综述

[J]. 电力系统及其自动化学报, 2020, 32(9): 10-19.

[本文引用: 1]

HAO Guangtao, HAN Xueshan, LIANG Jun, et al.

Review of dispatch and control methods for tradition power system and high-rate renewable energy generation power system

[J]. Proceedings of the CSU-EPSA, 2020, 32(9): 10-19.

[本文引用: 1]

柳璐, 程浩忠, 吴耀武, 等.

面向高比例可再生能源的输电网规划方法研究进展与展望

[J]. 电力系统自动化, 2021, 45(13): 176-183.

[本文引用: 1]

LIU Lu, CHENG Haozhong, WU Yaowu, et al.

Research progress and prospects of transmission expansion planning method for high proportion of renewable energy

[J]. Automation of Electric Power Systems, 2021, 45(13): 176-183.

[本文引用: 1]

房珂, 周明, 武昭原, 等.

面向低碳电力系统的长期储能优化规划与成本效益分析

[J]. 中国电机工程学报, 2023, 43(21): 8282-8295.

[本文引用: 1]

FANG Ke, ZHOU Ming, WU Zhaoyuan, et al.

Optimal planning and cost-benefit analysis of long-duration energy storage for low-carbon electric power system

[J]. Proceedings of the CSEE, 2023, 43(21): 8282-8295.

[本文引用: 1]

WU J J, CHEN Y W, ZHOU J H, et al.

Multi-timescale optimal control strategy for energy storage using LSTM prediction-correction in the active distribution network

[J]. Frontiers in Energy Research, 2023, 11: 1240764.

DOI:10.3389/fenrg.2023.1240764      URL     [本文引用: 1]

The daily output of wind power is inversely proportional to the load demand in most situations, which will lead to an increase in peak-to-valley difference and fluctuation. To solve this problem, this study proposes a long short-term memory prediction–correction-based multi-timescale optimal control strategy for energy storage. First, the proposed strategy performs a long short-term memory (LSTM) prediction on the power of wind power and load. Then, it establishes a predictive planning model to improve the effect of peak shaving and the operating income of energy storage. Finally, it uses the method of online correction of power lines for peak shaving to further optimize the energy storage power according to the error between the residual energy of energy storage and the planned residual energy in the actual peak shaving process. By comparing with traditional strategies, the proposed strategy is found to be significantly better than the constant power strategy and the power difference strategy in the peak shaving effect and operating income.

WANG L, WEI W T.

A multi-timescale low carbon scheduling optimization method for integrated energy system considering source-load

[J]. Journal of Electrotechnology, Electrical Engineering & Management, 2023, 6(4): 28-36.

[本文引用: 1]

陈长青, 李欣然, 张冰玉, 等.

基于多时间尺度的储能调峰调频协同控制策略

[J]. 电力系统保护与控制, 2022, 50(5): 94-105.

[本文引用: 1]

CHEN Changqing, LI Xinran, ZHANG Bingyu, et al.

Energy storage peak and frequency modulation cooperative control strategy based on multi-time-scale

[J]. Power System Protection & Control, 2022, 50(5): 94-105.

[本文引用: 1]

PAN C Y, FAN H T, ZHANG R X, et al.

An improved multi-timescale coordinated control strategy for an integrated energy system with a hybrid energy storage system

[J]. Applied Energy, 2023, 343: 121137.

DOI:10.1016/j.apenergy.2023.121137      URL     [本文引用: 1]

SHEN W J, ZENG B, ZENG M.

Multi-timescale rolling optimization dispatch method for integrated energy system with hybrid energy storage system

[J]. Energy, 2023, 283: 129006.

DOI:10.1016/j.energy.2023.129006      URL     [本文引用: 1]

官裕达, 杨苹, 蒋建香.

考虑能量-调频辅助服务下的用户侧储能经济运行策略

[J]. 电气自动化, 2024, 46(1): 39-42.

[本文引用: 1]

GUAN Yuda, YANG Ping, JIANG Jianxiang.

Economical operation strategy of user side energy storage under energy-frequency modulation auxiliary service

[J]. Electrical Automation, 2024, 46(1): 39-42.

[本文引用: 1]

郝文波, 景菲, 颜庆宇, 等.

数据驱动下基于风电场景的多时间尺度调峰调度研究

[J]. 电力系统保护与控制, 2023, 51(16): 115-126.

[本文引用: 1]

HAO Wenbo, JING Fei, YAN Qingyu, et al.

A multi-time scale peak shaving scheduling strategy based on wind power scenario using a data-driven method

[J]. Power System Protection & Control, 2023, 51(16): 115-126.

[本文引用: 1]

谭俊丰, 杨苹, 张凡, 等.

考虑能量-辅助服务下的园区综合能源系统多时间尺度优化模型

[J]. 中国电力, 2022, 55(10): 100-111.

[本文引用: 1]

TAN Junfeng, YANG Ping, ZHANG Fan, et al.

Multi-time scale optimization dispatch model of integrated energy system considering energy-auxiliary services

[J]. Electric Power, 2022, 55(10): 100-111.

[本文引用: 1]

黄寅峰. 考虑碳排放权的多区域综合能源系统联合优化运行[D]. 北京: 华北电力大学, 2023.

[本文引用: 1]

HUANG Yinfeng. Joint optimal operation of multi-regional comprehensive energy system considering carbon emission rights[D]. Beijing: North China Electric Power University, 2023.

[本文引用: 1]

MASRUR H, KHALOIE H, AL-AWAMI A T, et al.

Cost-aware modeling and operation of interconnected multi-energy microgrids considering environmental and resilience impact

[J]. Applied Energy, 2024, 356: 122320.

DOI:10.1016/j.apenergy.2023.122320      URL     [本文引用: 1]

宋晓通, 孙艺, 刘欣博, 等.

计及能量互济的多区域综合能源系统多目标双层优化

[J]. 高电压技术, 2024, 50(4): 1426-1435.

SONG Xiaotong, SUN Yi, LIU Xinbo, et al.

Multi-objective bi-level programming strategy of integrated energy system considering regional interconnection

[J]. High Voltage Engineering, 2024, 50(4): 1426-1435.

林顺富, 张琪, 沈运帷, 等.

考虑灵活性互济的跨区电网灵活性资源优化调度策略

[J]. 电力建设, 2023, 44(8): 71-81.

DOI:10.12204/j.issn.1000-7229.2023.08.008      [本文引用: 1]

针对电网的分区运行与多类型灵活性资源地区间分布不均衡的特性,提出一种考虑灵活性互济的跨区电网灵活性资源优化调度策略。首先,建立考虑多类型灵活性资源的综合灵活性供给能力模型,同时计及灵活性互济水平建立联络线功率约束模型;其次,建立基于电网间灵活性资源互济机制的多区域电网优化调度模型,将灵活性平衡机理与多种灵活性资源协调运行问题结合起来,引入模糊机会约束描述净负荷不确定性对灵活性供需平衡和电力平衡的影响;最后,以3个互联的IEEE-39节点系统为例对所提出的调度模型进行了验证,结果表明,所提灵活性互济调度模型促进了电网的灵活性供需平衡,有效地降低了系统运行成本和碳排放量,对系统经济安全、低碳环保运行具有积极意义。

LIN Shunfu, ZHANG Qi, SHEN Yunwei, et al.

Optimal dispatching strategy of flexible resources considering flexible mutual aid among regional grid

[J]. Electric Power Construction, 2023, 44(8): 71-81.

DOI:10.12204/j.issn.1000-7229.2023.08.008      [本文引用: 1]

Aiming at the regional operation of power systems and the uneven regional distribution of multitype flexible resources, an optimal dispatching strategy for flexible resources considering flexible mutual aid among regional grids is proposed. First, a comprehensive flexible supply capacity model considering multitype flexible resources was established, and a power constraint model of the tie line was realized considering the level of flexible mutual aid. Second, an optimal dispatching model of a multiregional power grid based on a flexible mutual aid mechanism is accomplished, in which the flexibility balance mechanism is combined with the coordinated operation of multiple flexible resources, and fuzzy opportunity constraints are introduced to describe the impacts of net load uncertainties on the flexible supply-demand balance and power balance. Finally, three interconnected IEEE-39-node systems are used as examples to verify the proposed dispatching model. The results show that the proposed flexible mutual aid dispatching model can promote a flexible supply-demand balance of the power grid, effectively reduce the system operation cost and carbon emissions, and thus has positive significance for the economic, safe, and low-carbon operation of the power system.

杨晓辉, 袁志鑫, 肖锦扬, 等.

考虑电池寿命的混合储能微电网优化配置

[J]. 电力系统保护与控制, 2023, 51(4): 22-31.

[本文引用: 1]

YANG Xiaohui, YUAN Zhixin, XIAO Jinyang, et al.

Optimal configuration of hybrid energy storage microgrid considering battery life

[J]. Power System Protection & Control, 2023, 51(4): 22-31.

[本文引用: 1]

陈登义, 李啸骢, 刘松.

多区域互联电力系统静止同步串联补偿器自适应反步滑模控制器设计

[J]. 电网技术, 2019, 43(1): 200-205.

[本文引用: 1]

CHEN Dengyi, LI Xiaocong, LIU Song.

Adaptive backstepping sliding mode controller design for multi-region interconnected power system with SSSC

[J]. Power System Technology, 2019, 43(1): 200-205.

[本文引用: 1]

LIU X X, SU X J, LI T.

Load frequency composite control for multi-region interconnected power systems

[J]. Journal of the Franklin Institute, 2023, 360(7): 4784-4806.

DOI:10.1016/j.jfranklin.2023.03.004      URL     [本文引用: 1]

SHIN M, CHOI D H, KIM J.

Cooperative management for PV/ESS-enabled electric vehicle charging stations: A multiagent deep reinforcement learning approach

[J]. IEEE Transactions on Industrial Informatics, 2020, 16(5): 3493-3503.

DOI:10.1109/TII.9424      URL     [本文引用: 1]

LI X J, WANG L J, YAN N, et al.

Cooperative dispatch of distributed energy storage in distribution network with PV generation systems

[J]. IEEE Transactions on Applied Superconductivity, 2021, 31(8): 0604304.

[本文引用: 1]

陈心宜, 胡秦然, 石庆鑫, 等.

新型电力系统居民分布式资源管理综述

[J]. 电力系统自动化, 2024, 48(5): 157-175.

[本文引用: 1]

CHEN Xinyi, HU Qinran, SHI Qingxin, et al.

Review on residential distributed energy resource management in new power system

[J]. Automation of Electric Power Systems, 2024, 48(5): 157-175.

[本文引用: 1]

Statista.

Projected capacity of energy storage deployed in the U.S. from 2018 to 2024, by sector (in gigawatts)

[EB/OL]. (2020-04-21)[2024-04-14]. https://www.statista.com/statistics/578701/projected-energy-storage-deployment-in-the-us-by-sector/.

URL     [本文引用: 1]

张博, 唐巍, 蔡永翔, 等.

面向高比例户用光伏消纳的储能系统与通信网络协同规划

[J]. 电网技术, 2018, 42(10): 3161-3169.

[本文引用: 1]

ZHANG Bo, TANG Wei, CAI Yongxiang, et al.

Collaborative configuration of energy storage systems and communication networks for accommodation of high-penetration residential PVs

[J]. Power System Technology, 2018, 42(10): 3161-3169.

[本文引用: 1]

WANG W J, KANG K Y, SUN G, et al.

Configuration optimization of energy storage and economic improvement for household photovoltaic system considering multiple scenarios

[J]. Journal of Energy Storage, 2023, 67: 107631.

DOI:10.1016/j.est.2023.107631      URL     [本文引用: 1]

张兴, 黄辉, 岳芬.

中德用户侧储能发展现状及经济性对比

[J]. 中外能源, 2023, 28(12): 22-28.

[本文引用: 1]

ZHANG Xing, HUANG Hui, YUE Fen.

Development status and economic comparison of user-side energy storage in China and Germany

[J]. Sino-Global Energy, 2023, 28(12): 22-28.

[本文引用: 1]

TANG Y Z, COCKERILL T T, PIMM A J, et al.

Environmental and economic impact of household energy systems with storage in the UK

[J]. Energy & Buildings, 2021, 250: 111304.

SUN Y M, GAO J, WANG J X, et al.

Evaluating the reliability of distributed photovoltaic energy system and storage against household blackout

[J]. Global Energy Interconnection, 2021, 4(1): 18-27.

DOI:10.1016/j.gloei.2021.03.002      URL     [本文引用: 1]

Statista.

Worldwide number of battery electric vehicles in use from 2016 to 2022 (in millions)

[EB/OL]. (2023-04-01)[2024-04-14]. https://www.statista.com/statistics/270603/worldwide-number-of-hybrid-and-electric-vehicles-since/.

URL     [本文引用: 1]

BAI J W, DING T, JIA W H, et al.

Online rectangle packing algorithm for swapped battery charging dispatch model considering continuous charging power

[J]. IEEE Transactions on Automation Science & Engineering, 2024, 21(1): 320-331.

[本文引用: 1]

黄学良, 刘永东, 沈斐, 等.

电动汽车与电网互动: 综述与展望

[J]. 电力系统自动化, 2024, 48(7): 3-23.

[本文引用: 1]

HUANG Xueliang, LIU Yongdong, SHEN Fei, et al.

Vehicle to grid: Review and prospect

[J]. Automation of Electric Power Systems, 2024, 48(7): 3-23.

[本文引用: 1]

宋梦, 林固静, 蒙璟, 等.

共享储能关键技术与应用

[J]. 上海交通大学学报, 2024, 58(5): 585-599.

DOI:10.16183/j.cnki.jsjtu.2022.360      [本文引用: 1]

在“双碳”目标推动下,可再生能源渗透率不断提高,但其固有的波动性、间歇性和不确定性给电力系统安全稳定运行带来了极大挑战.共享储能作为共享经济在储能领域的典型应用,通过储能资源的“所有权”和“使用权”分离,实现储能资源的最大化使用,为可再生能源大规模并网引发的供需失衡问题提供了新的解决方案,展现出广阔的发展前景.从价值定位、成本模型、及盈利模式3个维度总结了共享储能的商业模式,并对其交易品种、运行架构、工程应用进行详细分析和总结,最终对共享储能的未来趋势进行讨论与前瞻.

SONG Meng, LIN Gujing, MENG Jing, et al.

Key technologies and applications of shared energy storage

[J]. Journal of Shanghai Jiao Tong University, 2024, 58(5): 585-599.

[本文引用: 1]

HAN O Z, DING T, ZHANG X S, et al.

A shared energy storage business model for data center clusters considering renewable energy uncertainties

[J]. Renewable Energy, 2023, 202: 1273-1290.

DOI:10.1016/j.renene.2022.12.013      URL     [本文引用: 1]

闫东翔, 陈玥.

共享储能商业模式和定价机制研究综述

[J]. 电力系统自动化, 2022, 46(23): 178-191.

[本文引用: 1]

YAN Dongxiang, CHEN Yue.

Review on business model and pricing mechanism for shared energy storage

[J]. Automation of Electric Power Systems, 2022, 46(23): 178-191.

[本文引用: 1]

苏娟, 李拓, 刘峻玮, 等.

综合能源系统下虚拟储能建模方法与应用场景研究综述及展望

[J]. 中国电力, 2024, 57(6): 53-68.

[本文引用: 1]

SU Juan, LI Tuo, LIU Junwei, et al.

Review and prospect of modeling method and application scenarios of virtual energy storage under integrated energy system

[J]. Electric Power, 2024, 57(6): 53-68.

[本文引用: 1]

付乐融, 冯谟可, 许建中.

超级电容储能型MMC多工况电磁暂态等值建模方法

[J]. 电力系统自动化, 2025, 49(8): 30-39.

[本文引用: 1]

FU Lerong, FENG Moke, XU Jianzhong.

Electromagnetic transient equivalent modeling method for modular multilevel converter with supercapacitor energy storage system under multiple working conditions

[J]. Automation of Electric Power Systems, 2025, 49(8): 30-39.

[本文引用: 1]

/

〈 〉